Web usage mining is the extraction

Web usage mining is the extraction of useful information from data generated through Web page visits and transactions. Masand et al. (2002) state that at least three types of data are generated through Web page visits:
1. Automatically generated data stored in server access logs, referrer logs, agent logs, and client-side cookies
2. User profiles
3. Metadata, such as page attributes, content attributes, and usage data
Analysis of information collected by Web severs can help us better understand user behavior. Analysis of this data is often called clickstream analysis. By using the data and text mining techniques, a company might be able to discern interesting patterns from the clickstreams. For example, it might learn that 60 percent of visitors who searched for "hotels in Maui" had search earlier for " airfares to Maui". Such information could be useful in determining where to place online advertisements. Clikstream analysis might also be useful for knowing when visitors access a site. For example, if a company hnew that 70 percent of software download from its Web site occurred etwween 7 and 11 p.m, it could plan for better customer support and network bandwith during those hours. Figure 7.9 shows the process of extracting knowledge from clickstream data and how the generated knowledge is used to improve the process, improve the Web site, and, most important, increase the customer value. Nasraoui(2006) listed the following applications of Web mining:
1. Determine the lifetime value of clients.
2. Design cross-marketing strategies across products.
3. Evaluate promotional campaigns.
4. Target electronic ads nd coupons at user groups based on user access patterns.
5. Predict user behavior based on previously learned rules and users profiles.
6. Present dynamic information to used on their interests and proffiles.
Amazon.com provides a good example of how Web usage history cn be leveraged dynamically. A registered user who revisits Amazon.com is greeted y name. This is a simple task that involves recognizing the user by reading a cookie.
Amazon.com also presents the user with a choice of products in a personalized store, based on previous purchases and an asociation analysis of similar of time. All these recommendations involve a detailed analysis of the visistor as well as the user's peer group developed through the use of clusstering, sequence pattern discovery, asscociation, and other data and text mining techniques.

Kết quả (Việt) 1:

Web sử dụng khai thác là khai thác các thông tin hữu ích từ dữ liệu tạo ra thông qua các trang Web truy cập và giao dịch. Masand et al. (2002) nhà nước ít nhất ba loại dữ liệu được tạo ra thông qua các trang Web truy cập:1. tự động tạo ra dữ liệu được lưu trong Nhật ký truy cập máy chủ, giới thiệu các bản ghi, đại lý bản ghi, và cookie phía khách hàng2. người dùng hồ sơ3. siêu dữ liệu, chẳng hạn như trang thuộc tính, thuộc tính nội dung và dữ liệu sử dụngPhân tích thông tin được thu thập bởi Web severs có thể giúp chúng tôi hiểu rõ hơn về hành vi người dùng. Phân tích dữ liệu này thường được gọi là phân tích clickstream. Bằng cách sử dụng dữ liệu và văn bản khai thác kỹ thuật, một công ty có thể phân biệt các mô hình thú vị từ các clickstreams. Ví dụ, nó có thể tìm hiểu rằng 60 phần trăm khách truy cập tìm kiếm "khách sạn ở Maui" đã tìm trước đó "vé máy bay để Maui". Các thông tin có thể hữu ích trong việc xác định nơi để đặt quảng cáo trực tuyến. Clikstream phân tích cũng có thể hữu ích cho biết khi du khách truy cập vào một trang web. Ví dụ, nếu một công ty hnew 70 phần trăm của phần mềm tải về từ trang Web của mình xuất hiện etwween 7 và 11 p.m, nó có thể lập kế hoạch cho tốt hơn các khách hàng hỗ trợ và mạng băng thông trong những giờ. Con số 7.9 cho thấy quá trình chiết xuất kiến thức từ clickstream dữ liệu và làm thế nào các kiến thức được tạo ra là được sử dụng để cải thiện quá trình, cải thiện các trang Web, và, quan trọng nhất, làm tăng giá trị khách hàng. Nasraoui(2006) liệt kê các ứng dụng sau của Web khai thác:1. Determine the lifetime value of clients.2. Design cross-marketing strategies across products.3. Evaluate promotional campaigns.4. Target electronic ads nd coupons at user groups based on user access patterns.5. Predict user behavior based on previously learned rules and users profiles.6. Present dynamic information to used on their interests and proffiles.Amazon.com provides a good example of how Web usage history cn be leveraged dynamically. A registered user who revisits Amazon.com is greeted y name. This is a simple task that involves recognizing the user by reading a cookie.Amazon.com also presents the user with a choice of products in a personalized store, based on previous purchases and an asociation analysis of similar of time. All these recommendations involve a detailed analysis of the visistor as well as the user's peer group developed through the use of clusstering, sequence pattern discovery, asscociation, and other data and text mining techniques.